ヘルスケアにおける人工知能：医療イノベーションから倫理的課題まで
Artificial Intelligence in healthcare: From medical innovation to ethical challenges ｜ M Goldstein, unknown, 2026. ｜ 人工知能（AI）、特に機械学習と深層学習がヘルスケアにおいてその役割を拡大している現状を探る。 AIが医療にもたらすイノベーションと、それに伴う倫理的課題に焦点を当てる。
lab_admin
生成型人工知能の医学教育への統合が短期学習成果に与える影響：ランダム化比較試験の系統的レビューとメタアナリシス
The impact of integrating generative artificial intelligence into medical education on short-term learning outcomes: a systematic review and meta-analysis of randomized controlled trials ｜ C Wang et al., BMC Medical Education, 2026. ｜ ChatGPTやDeepSeekなどの大規模言語モデル（LLM）に代表される生成型AI（GenAI）技術が、コンテンツ生成や適応能力により医学教育で注目されている。 GenAIの医学教育への統合が短期的な学習成果に与える影響について、系統的レビューとメタアナリシスを通じて評価した。
ヘルスケアとリハビリテーションにおける人工知能の認識：パキスタンの医官と理学療法士からの洞察に関する定性的研究
Perceptions of artificial intelligence in healthcare and rehabilitation: a qualitative study on insights from medical officers and physical therapists in Pakistan ｜ E Wahid et al., Disability and Rehabilitation, 2026. ｜ 人工知能（AI）は、ヘルスケアおよびリハビリテーション分野において、評価、診断、治療など多様な目的で普及が進んでいる。 パキスタンの医官と理学療法士の視点から、AI技術の進展に伴う認識に関する定性的な洞察を調査した。
医療テキスト分析のための人工知能言語モデル：系統的レビュー
Artificial intelligence language models for medical text analysis: A systematic review ｜ AS Azar et al., Artificial Intelligence in …, 2026. ｜ 医療テキスト記録は、臨床意思決定、正確な診断、信頼できる予後、効果的な治療計画のための不可欠な情報源として機能する。 人工知能の最近の進歩が、医療テキスト分析に応用されている現状を系統的にレビューしている。
モデル情報に基づく薬剤開発（MIDD）と機械学習（ML）の統合における世界的動向：書誌計量学的および系統的レビュー（2015-2025）
Global Trends in Integrating Machine Learning (ML) with Model-Informed Drug Development (MIDD): A Bibliometric and Systematic Review (2015–2025) ｜ D Dermawan et al., Pharmaceutics, 2026. ｜ 機械学習、薬物動態学、薬剤開発、人工知能といったキーワードを含む文献の書誌計量学的および系統的レビューを提供。 機械学習が規制当局内で採用される世界的動向に焦点を当てている。
アルゴリズムから臨床へ：皮膚科診断とケア提供における深層学習の進歩と課題に関する批判的レビュー
From Algorithm to Clinic: A Critical Review of Deep Learning Advances and Challenges in Dermatological Diagnosis and Care Delivery ｜ S Rahman et al., ICT Express, 2026. ｜ 皮膚科診断における深層学習アプリケーションに関する系統的レビューであり、2019年から2025年までに発表された212の査読済み研究を分析している。
薬剤推薦システムのための知識グラフと深層学習の統合
INTEGRATING KNOWLEDGE GRAPHS AND DEEP LEARNING FOR DRUG RECOMMENDATION SYSTEM ｜ N Nguyen et al., unknown, unknown. ｜ 知識グラフと現代の深層学習モデルを組み合わせた包括的なアプローチを提案。 このアプローチにより、多次元かつ非構造化データを扱う症状ベースの薬剤推薦システムが開発可能になる。
生成型人工知能がヘルスケア教育に与える影響：学習成果と学術的誠実性に関する系統的レビュー
Impact of generative artificial intelligence on healthcare education: A systematic review of learning outcomes and academic integrity ｜ CU Ugwu et al., International Journal of Applied Resilience and …, 2026. ｜ ヘルスケア教育における生成型人工知能（GenAI）の最近の発展が、学習成果、学生のエンゲージメント、臨床実践に与える影響を系統的にレビューしている。
機械学習と分子シミュレーションを組み合わせた薬剤の吸湿性に関する計算論的洞察
Computational insights into drug hygroscopicity by coupling machine learning and molecular simulation ｜ X Yin et al., Drug Delivery and Translational Research, 2026. ｜ 薬剤スクリーニング、製剤設計、リスク管理のための統合計算戦略を提案。 機械学習（ML）と分子シミュレーションを組み合わせることで、薬剤の吸湿性を迅速に予測し、研究開発コストの削減に貢献する。
前立腺癌に対する人工知能：透明性の高い深層学習が、多施設MRIデータにおける臨床的に意義のある病変の検出における臨床的信頼性を向上させる
IP53-16 ARTIFICIAL INTELLIGENCE FOR PROSTATE CANCER: TRANSPARENT DEEP LEARNING ENHANCES CLINICAL CONFIDENCE IN DETECTING CLINICALLY SIGNIFICANT LESIONS ACROSS MULTI-CENTER MRI DATA ｜ AAN Beltrán et al., The Journal of Urology, 2026. ｜ 人工知能（AI）は診断性能を向上させる可能性を秘めるが、臨床現場への導入には解釈可能で信頼できるモデルが必要となる。 説明可能な深層学習モデルが、多施設MRIデータにおいて生理学的に整合性のある予測を示し、臨床的信頼性を高めることを実証している。